人工神经网络在煤层宏观结构解释中的应用

煤层中的宏观结构变化是我国众多煤田中普遍存在的地质现象,它对煤矿生产影响极大,是当前煤矿生产中急需解决的地质构造问题,利用工人神经网络可以解释煤层的分叉,合并及缺失等宏观结构问题,为矿井的采,掘工作的提供准确的地质资料。     

利用人工神经网络法预测煤层厚度研究

我国的兖州、淮北、平顶山、焦作等矿区,普遍存在着煤层缺失、剥失、分叉、合并等现象,煤层厚度变化对煤炭开采产生很大影响.据资料统计,如果实际煤厚比设计煤厚变薄10%～20%时,煤炭产量就会下降35%～40%.煤田高分辨率三维地震勘探的开展,为解决地质问题提供了丰富的三维数据体,特别是为BP人工神经网络法研究煤层厚度提供了多种地震波属性.     

用综合地震特征参数解释煤层厚度

介绍了用综合地震特征参数解释煤层厚度的具体方法。通过对淮南潘三矿东3、东4采区地震资料的重新处理,提取出对应13-1煤的T₅波的多个地震波动力学参数,将有效参数综合并进行煤层厚度的定量解释,提供了煤层平面等厚线图,经井下资料验证解释精度可靠。      

用地震反射波定量解释煤层厚度的方法

煤层变薄模型地震反射特征的研究发现:对层厚小于λ/4(λ为地震主波长)的煤层来说,煤层顶、底板的反射波迭加形成复合反射波,几乎不能拾取顶底板反射波的初至时间;地震波的动力学特征(振幅等)与煤厚不是一一对应的,而是出现多个极值点,在层厚为λ/4、λ/2等处出现极值,但在区间〔0,λ/4〕及〔λ/4,λ/2〕内振幅是层厚的单调函数。因此,利用地震波的运动学及动力学特征就可以进行煤层厚度的定量解释。山西朔县地震资料的定量解释结果与钻探资料对比最大误差不超过0.6m,证明了该解释方法的可靠性。     

利用地震资料进行煤层厚度解释预测

利用C++语言基于Windows操作环境开发了适用于煤田地震资料解释的煤层厚度辅助解释系统。该系统采用人工神经网络非线性反演方法对煤层厚度变化进行解释,对煤层厚度和地震属性参数之间的非线性关系给出了定量描述,具有较高的解释精度。理论模型和实际资料试算结果表明:利用该系统进行煤层厚度解释,得到了较好的地质效果。     

应用人工神经网络识别断层

利用涡北煤矿的采区地震资料,研究应用人工神经网络检测小断层的可能性。试验结果表明,该方法具有较强的抗干扰能力,预测成功率明显高于其它模式识别方法。这种方法有望成为煤田地震资料解释中的辅助手段。     

煤层地震波振幅切片解释煤层变薄带及应用实例

本方法根据薄煤层厚度与其振幅基本呈线性关系的原理,利用三维地震资料解释系统提取煤层反射波振幅参数,对生成的彩色平面振幅图进行分析,进而圈定出煤层变薄带的范围。并以实例说明了该技术方法在解释煤层变薄带方面的应用效果。     

大隆煤矿煤层冲刷及采空区的解释方法研究

大隆井田位于铁法煤田的中西部，该井田主要可采煤层为侏罗系上部的4、7煤层。根据煤层冲刷带及采空区在地震时间剖面的响应特征（地震波同相轴中断或变弱）以及沿煤层震幅切片变弱的特点，结合其它解释技术,解释该井田南部存在煤层采空区，206孔西部4煤层存在煤层冲刷带。     

地震多元参数综合解释煤层结构

利用时间域和频率域的多元地震参数解释煤层结构属于岩性地震勘探范畴。将该技术用于陕北大保当勘探区,配合地质研究,成功地确定了2~(-2)煤层的结构变化情况,确定的煤层分叉线同单纯依靠地震解释或地质推断的煤层分叉线比较,精度明显提高。     

人工神经网络方法在桩基检测中的应用

提出了一种基于桩基动测波动数据的人工神经网络识别方法,所建立的多层神经网络通过对已知样本的学习,可实现对未学习样本（桩基检测数据）的识别,指出桩基中存在的缺陷。实际检验的结果表明该方法具有良好的应用前景     

人工神经网络在地球科学中的应用综述

人工神经网络（ANN）是一种动态信息处理系统，它具有联想记忆、自组织、自适应、自学习和容错性等特性。ANN可对地质环境和各类地质对象进行判别分类；可根据地震及测井中的各种波谱曲线进行地质构造模式识别，并实现自动编辑和解释；可对各种遥感信息进行图像处理和地质构造解译；在勘查地球物理方面，可解决某些反演问题；在矿产勘查中可用于矿产资源定量预测与评价勘查过程中的组合优化及多目标决策等问题。     

矿物分类和识别的人工神经网络模型

本文提出矿物分类和识别的人工神经网络模型，并选取一组标样－我国沉积碳酸盐型锰矿中菱锰矿作为研究对象，识别效率达１００％。结果表明，该模型性能良好，可望成为矿物识别的有效手段。     

锡矿山硅化灰岩识别的人工神经网络模型

硅化／硅化岩石是锡矿山锑矿的一种很有效的找矿标志。因此,如何正确地识别硅化岩石与原岩,以及硅化的强弱对于找矿有着重要意义。将人工神经网络模型引入锡矿硅化灰岩识别的研究中,识别成功率达到９３．３％。结果表明,该方法简便实用,性能良好,可望成为岩石,矿物识别的一种有效的辅助手段。     

齐家古潜山基岩裂缝的神经网络模式识别

在岩芯裂缝观测基础上,应用岩芯标定测井,分岩性建立了测井解释模型,分析了裂缝发育段在常规测井曲线上的响应特征,并结合钻井泥浆漏失、放空及开发动态资料,识别出典型裂缝段,将其测井响应作为训练样本集,应用神经网络模式识别技术的并行处理、分布式的信息存储、极强的自学习功能和自动调整权值的能力,对齐家古潜山76口井进行了裂缝段的识别,探索出一套综合岩芯、常规测井、测试与动态等信息进行裂缝分布预测的新方法,经钻探证实,效果良好.     

用人工神经网络估算岩质边坡的安全系数

基于工程事例, 介绍了一组初步试验工作, 探讨人工神经网络(ANN)方法用于岩质边坡稳定性安全系数估算的可能性。文中给出三次试验及试验结果, 试验结果表明用人工神经网络估算岩质边坡安全系数不仅是可行的, 而且是一种实时、准确且准备工作简单的估算方法。     

利用人工神经网络方法检测地震剖面同相轴

在地震勘探中,经过各种处理后最终得到用于解释的地震剖面实际上都可以看作是一些图像。这样,就可以从图像处理的观点来看问题,图像的特征有边缘和区域,那么,地震反射同相轴在地震剖面图像上,可以看作是一边缘。人工神经网络是近年来发展起来的一种新技术,它可以进行二维图像的边缘检测,基于这一点,把神经网络边缘检测技术应用到地震剖面上来检测地震反射界面,压制地震剖面上的随机干扰,从而改善地震图像的质量,达到提高地震资料信噪比和分辨率的目的。运用该技术对实际剖面进行了处理,效果很好,证明了方法的可行性和有效性。